「cs.SD」カテゴリーアーカイブ

Speaker Emotion Recognition: Leveraging Self-Supervised Models for Feature Extraction Using Wav2Vec2 and HuBERT

投稿日: 2024年11月7日 作成者: jarxiv

要約 スピーチは、人間として自分自身を表現する最も自然な方法です。 感情自体の定 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Speaker Emotion Recognition: Leveraging Self-Supervised Models for Feature Extraction Using Wav2Vec2 and HuBERT はコメントを受け付けていません

Long-Form Text-to-Music Generation with Adaptive Prompts: A Case of Study in Tabletop Role-Playing Games Soundtracks

投稿日: 2024年11月7日 作成者: jarxiv

要約 この論文では、テーブルトップ ロール プレイング ゲーム (TRPG) の … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.NE, cs.SD, eess.AS | Long-Form Text-to-Music Generation with Adaptive Prompts: A Case of Study in Tabletop Role-Playing Games Soundtracks はコメントを受け付けていません

Universal Sound Separation with Self-Supervised Audio Masked Autoencoder

投稿日: 2024年11月7日 作成者: jarxiv

要約 ユニバーサル サウンド セパレーション (USS) は、任意の音源の混合物 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Universal Sound Separation with Self-Supervised Audio Masked Autoencoder はコメントを受け付けていません

Blind Estimation of Sub-band Acoustic Parameters from Ambisonics Recordings using Spectro-Spatial Covariance Features

投稿日: 2024年11月6日 作成者: jarxiv

要約 周波数によって変化する音響パラメータを推定することは、現実的な空間オーディ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | Blind Estimation of Sub-band Acoustic Parameters from Ambisonics Recordings using Spectro-Spatial Covariance Features はコメントを受け付けていません

Towards Deep Active Learning in Avian Bioacoustics

投稿日: 2024年11月6日 作成者: jarxiv

要約 鳥類の生体音響における受動音響モニタリング (PAM) により、自然の生息 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Towards Deep Active Learning in Avian Bioacoustics はコメントを受け付けていません

MuPT: A Generative Symbolic Music Pretrained Transformer

投稿日: 2024年11月6日 作成者: jarxiv

要約 この論文では、音楽の事前トレーニングへの大規模言語モデル (LLM) の適 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MuPT: A Generative Symbolic Music Pretrained Transformer はコメントを受け付けていません

3D Audio-Visual Segmentation

投稿日: 2024年11月5日 作成者: jarxiv

要約 シーン中の発音体を認識することは、具現化AIにおける長年の課題であり、ロボ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | 3D Audio-Visual Segmentation はコメントを受け付けていません

Lightweight Transducer Based on Frame-Level Criterion

投稿日: 2024年11月4日 作成者: jarxiv

要約 シーケンスレベルの基準に基づいて学習されたトランスデューサモデルは、大きな … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Lightweight Transducer Based on Frame-Level Criterion はコメントを受け付けていません

Generative Pre-trained Speech Language Model with Efficient Hierarchical Transformer

投稿日: 2024年11月4日 作成者: jarxiv

要約 近年の音声言語モデルの進歩は著しいが、ニューラルオーディオコーデックの長い … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Generative Pre-trained Speech Language Model with Efficient Hierarchical Transformer はコメントを受け付けていません

Conditional GAN for Enhancing Diffusion Models in Efficient and Authentic Global Gesture Generation from Audios

投稿日: 2024年11月4日 作成者: jarxiv

要約 音声による同時ジェスチャー生成は、人間とコンピュータのコミュニケーション、 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.GR, cs.SD, eess.AS | Conditional GAN for Enhancing Diffusion Models in Efficient and Authentic Global Gesture Generation from Audios はコメントを受け付けていません